本文来源:物联传媒

本文作者:飞鸟

01

智慧城市与边缘计算,

相辅相成的关系

2017年底时,麦肯锡全球研究院发布了一则《数字时代的中国:打造具有全球竞争力的新经济》报告,其中指明中国的数字化进程正在加快,例如2013年美国各个行业的数字化水平是中国的4．9倍,到2016年时已缩小到3．7倍。

2017年以后,我们仍然可以直观感受到,受益于强政策推动,很多行业的信息化建设都处于如火如荼的状态,其中在智慧城市领域的投资建设更是一直处于稳步增长的趋势中。

根据IDC预测,到2022年,中国智慧城市投资将达到2000亿元人民币,分散在可持续基础设施、数据驱动治理以及数字化管理等方面。另根据前瞻产业研究院的预测数据:到2022年,我国智慧城市市场规模将达到25万亿元,对比2017年6万亿元的市场规模,增长将达数倍以上。

直白地说,因为对5G、物联网、人工智能等新技术的应用,令数据资产倍数增长,同时加大了行业对网络安全和数据隐私的重视,种种因素驱动了智慧城市不断产生新的建设热点,支撑起丰富的智慧城市应用类型。

而无论应用场景有多么碎片化,针对智能设备总量的增加,针对应用上云程度的增加、网络压力的增加,更多应用迫切需要在边缘侧进行数据处理与分析。

在智慧城市诸多应用中,边缘计算开始形成一股新的技术潮流。

正如IBM商业价值研究院2019年发布的边缘计算调研报告——《为何边缘计算成为企业的重投领域》中提到的:

仅需三年,边缘投资的平均回报率可达到6%,其中能源和公共事业的高管对边缘计算的投资回报尤其乐观,预计平均投资回报率将接近10% 。

数据来源:IBM商业价值研究院2019年边缘计算调研

因为更接近设备、数据和行动源头处,边缘计算展现了降低时延、降低带宽成本、提高数据安全性、适配弱网环境以提供持续性高可用服务等突出优势。在本文中,我们就将主要从受众最广、被认为投资回报率最高的智慧城市公共事业角度,分析边缘计算助力城市建设与运营的几种方式。

02

城市系统因边缘AI的应用而发生改变

和其他商业型场景不同,公共事业是指负责维持公共服务基础设施的事业,包括供电、供水、路灯、井盖、废物处理、城市交通、城市消防、城市安防等诸多场景。

在此范围内的很多领域,原先多是采用较为传统的运营管理方式,从而出现了系统建设分散、数据孤岛、数据融合困难,协议标准不统一等诸多问题。如今基于对新兴技术的融合使用,例如对视觉的AI能力的应用,逐步被证明将在视频监控等相关场景达成非常好的业务体验,这样的转变很大程度上推动了行业对边缘人工智能的理解与应用。

城市道路收费稽查系统解决方案

图片来源:集和诚道路收费稽查系统解决方案

最典型的场景是,在撤销省界收费站,实现自由流收费的背景下,全国近20万公里高速公路都将迎来新的收费系统的升级。与此同时,高速公路车流量增长迅速,监控摄像头所产生的数据与日俱增,带宽成本居高不下。

故而,真正有效的应用方案能够快速对车辆进行识别及信息采集,实现无人值守计费;另一方面,通过在收费卡口部署边缘计算硬件与软件产品,同时加持AI能力,利用云端AI模型不断进行迭代优化,不仅降低了企业付出的资源成本,同时加强了对高速异常车辆的监控及对应的计费效率。

城市无人值守占道停车系统

图片来源:云图睿视无人值守占道停车系统

智能停车是城市交通的重要一环,但停车难却是广为人知的用户痛点,这一现象的背后是车位不足、车位利用率低、不同系统之间存在数据孤岛的问题。与此同时,在既有的停车收费管理方面,却还是存在恶意逃费、欠费车辆无法追逃以至于造成财政损失等难题。

基于这两个角度的考量,业界厂商推出的无人值守占道停车系统重点满足3项需求:

1)通过智能管理终端对停泊车辆拍照并进行车牌识别,以此实现停车自动化检测;

2)利用边缘计算过滤无效数据,使每辆车停放信息仅会产生≤1MB数据,节省资源成本;

3)系统支持多算法同时运行,打破信息孤岛,将城市其他信息一并分析和反馈。

智能安检解决方案

图片来源:极视角智能安检方案

作为一项城市中典型的场景需求,该方案既需要在云端进行模型训练与迭代,确保安检准确性;又需要建立本地物品检测模型,支持在线更新和执行本地分析。除此以外,提高分析速度,缩短安全线等待时间是确保用户体验的重要指标。

总而言之,在智慧城市应用中部署边缘AI解决方案,其优点将显著体现在四个方面:

降低人力成本

降低企业计算/存储/网络等资源开支

增强系统性能

提升系统运营效率

在众多方案设计中值得一提的共通点是,考虑到机器视觉正在成为城市应用转型升级的必备技能之一,OpenVINO?作为英特尔推出的快速开发高性能计算机视觉和深度学习应用的工具包,支持在人工智能与异构边缘计算等领域充分发挥优势,一方面帮助开发者简化网络到云端的部署,另一方面帮助应用最大限度提升性能水平。